CUDA 对GPU的显存操作时,若线程频繁对某个数据进行读写操作,可以设置操作的数据常驻缓存,这样可以进一步提高代码的运行效率,并且同一个线程块内的所有线程共享该内存区域。然而当出现多个线程对同一个内存区域进行操作时,需要对线程进行同步操作,从而避免竞争的发生。cuda中使用__shared__关键字,这里使用__syncthreads()控制线程同步。
如核函数dot所示,代码生成一个数组并计算数组中所有元素的和,求和使用的是归约(Reduction)方法。
当所有启动的线程将第一个__syncthreads()之前的所有代码执行完毕时,所有线程再继续执行之后的代码,否则很可能在cache数组还未初始化完成就开始计算所有元素和,这样计算结果显然是错误的。
#include <stdio.h>
#define min(a, b) (a<b?a:b)
const int N = 3000;
const int threadsPerBlock = 1024;
const int blocksPerGrid = 1;// min(32, (N+threadsPerBlock-1)/threadsPerBlock);
__global__ void dot(float *a, float *b, float *c){
__shared__ float cache[threadsPerBlock];
int tid = threadIdx.x + blockIdx.x * blockDim.x;
int cacheIndex = threadIdx.x;
float temp = 0;
while(tid < N){
temp += a[tid] + b[tid];
tid += blockDim.x * gridDim.x;
}
cache[cacheIndex] = temp;
//对线程块中的线程进行同步
__syncthreads();
int i = blockDim.x/2;
while(i != 0){
if(cacheIndex < i){
cache[cacheIndex] += cache[cacheIndex + i];
}
__syncthreads();
i /= 2;
}
if (cacheIndex == 0){
c[blockIdx.x] = cache[0];
//printf("%f\n", c[blockIdx.x]);
}
}
int main(){
float *a, *b, c, *partial_c;
float *dev_a, *dev_b, *dev_partial_c;
//在CPU上面分配内存
a = (float*)malloc(N*sizeof(float));
b = (float*)malloc(N*sizeof(float));
partial_c = (float*)malloc(blocksPerGrid*sizeof(float));
//在GPU上分配内存
cudaMalloc((void**)&dev_a, N*sizeof(float));
cudaMalloc((void**)&dev_b, N*sizeof(float));
cudaMalloc((void**)&dev_partial_c, blocksPerGrid*sizeof(float));
//填充主机内存
for(int i = 0; i < N; i++){
a[i] = 1;
b[i] = 0;
}
//将 数组a 和 数组b 复制到GPU
cudaMemcpy(dev_a, a, N*sizeof(float), cudaMemcpyHostToDevice);
cudaMemcpy(dev_b, b, N*sizeof(float), cudaMemcpyHostToDevice);
dot<<<blocksPerGrid, threadsPerBlock>>>(dev_a, dev_b, dev_partial_c);
//将数组 dev_partial_c 从 GPU 复制到 CPU
cudaMemcpy(partial_c, dev_partial_c, blocksPerGrid * sizeof(float), cudaMemcpyDeviceToHost);
//在CPU上完成最终的求和运算
c = 0.0;
for(int i = 0; i < blocksPerGrid; i++){
c += partial_c[i];
}
printf("%s\n", "======================================");
for(int i = 0; i < N; i++){
printf("%f %f \n", a[i], b[i]);
}
printf("c = %f \n", c);
printf("blocksPerGrid %d \n", blocksPerGrid);
// 释放 GPU 上的内存
cudaFree(dev_a);
cudaFree(dev_b);
cudaFree(dev_partial_c);
// 释放 CPU 上的内存
free(a);
free(b);
free(partial_c);
return 0;
}